宫颈癌23个国家女性首位发病肿瘤,淋巴血管间隙侵犯(Lymphovascular space invasion,LVSI)LVSI阳性患者的淋巴结转移率明显高于LVSI阴性患者,且LVSI阳性患者的盆腔淋巴结微转移发生率较高,2018年版的国际妇产科联合会(FIGO)癌症分期、...宫颈癌23个国家女性首位发病肿瘤,淋巴血管间隙侵犯(Lymphovascular space invasion,LVSI)LVSI阳性患者的淋巴结转移率明显高于LVSI阴性患者,且LVSI阳性患者的盆腔淋巴结微转移发生率较高,2018年版的国际妇产科联合会(FIGO)癌症分期、诊断和治疗指南强调,LVSI阳性宫颈癌患者的治疗策略与LSVI阴性患者的治疗策略不同,存在LVSI的病例需进行额外的广泛切除和淋巴结切除术,以降低疾病复发的风险。因此,准确评估宫颈癌患者的LVSI状态对于患者的预后判断、制定有效治疗方案至关重要。MRI具有无创、高软组织分辨率及多参数成像等特点,在准确判断肿瘤的位置、大小、浸润深度和检测淋巴结转移方面具有优势.本文综述了近几年磁共振多模态对宫颈癌淋巴血管间隙侵犯的应用。展开更多
目的分析多参数磁共振成像(magnetic resonance imaging,MRI)组学列线图模型治疗前预测子宫内膜样腺癌(endometrial endometrioid adenocarcinoma,EEA)淋巴血管间隙侵犯(lymphovascular space invasion,LVSI)的可行性及价值。方法于2020...目的分析多参数磁共振成像(magnetic resonance imaging,MRI)组学列线图模型治疗前预测子宫内膜样腺癌(endometrial endometrioid adenocarcinoma,EEA)淋巴血管间隙侵犯(lymphovascular space invasion,LVSI)的可行性及价值。方法于2020年10月至2022年1月在复旦大学附属妇产科医院前瞻性收集205例EEA临床及MRI资料,按6∶4随机分为训练集(n=123)和验证集(n=82)。分别在T2加权成像、扩散加权成像(表观扩散系数图)及动态增强MRI序列勾画全肿瘤体积感兴趣区提取肿瘤影像组学特征。在训练集中,采用单变量分析及多变量Logistic回归分析筛选LVSI的独立预测因子,建立临床预测模型;采用最小绝对收缩和选择算法(least absolute shrinkage and selection operator,LASSO)进行特征筛选并建立影像组学标签;采用临床独立预测因子与组学标签构建临床-MRI组学列线图模型,并在验证集中进行模型验证。使用受试者操作特征曲线下面积(area under the receiver operating characteristic curve,AUC)评估模型效能,临床决策曲线评估模型临床应用价值。结果205例EEA中,LVSI(-)144例,LVSI(+)61例。患者绝经状态、CA125及CA199为LVSI(+)的临床独立预测因子,三者联合组成的临床预测模型AUC为0.714(训练集)和0.731(验证集)。从多参数MRI图像中共提取的8240个影像组学特征中筛选出5个最佳特征构建MRI组学标签,AUC为0.860(训练集)和0.759(验证集)。临床-MRI组学列线图模型AUC为0.887(训练集)和0.807(验证集),优于单独的临床模型及组学模型,且在较大的阈值概率范围内临床-MRI组学列线图模型可获得更大的临床净收益。结论基于多参数MRI组学的列线图模型可在治疗前有效预测EEA的LVSI状态,为临床管理决策提供有价值的参考,提高患者的临床获益。展开更多
目的探讨基于多参数MRI(multiparametric magnetic resonance imaging,mpMRI)影像组学列线图预测子宫内膜癌(endometrial cancer,EC)淋巴血管侵犯(lymphatic vascular space invasion,LVSI)的价值。材料与方法回顾性分析术前行盆腔mpMR...目的探讨基于多参数MRI(multiparametric magnetic resonance imaging,mpMRI)影像组学列线图预测子宫内膜癌(endometrial cancer,EC)淋巴血管侵犯(lymphatic vascular space invasion,LVSI)的价值。材料与方法回顾性分析术前行盆腔mpMRI检查的202例经手术病理证实为EC患者的病例资料,并按7∶3随机分为训练集和验证集。运用开源的ITK-SNAP软件勾画兴趣区(region of interest,ROI),使用Pyradiomics软件从mpMRI影像图中提取EC影像组学特征。采用单因素分析临床基本资料和影像组学特征,通过最小绝对收缩和选择算法(least absolute shrinkage and selection operator,LASSO)回归筛选影像组学特征并计算影像组学分数(radiomics score,Rad-score),多因素logistic回归用于筛选LVSI独立危险因素,使用R语言建立模型并绘制列线图,模型的预测效能采用C指数(C-index)评价,比较影像组学模型和列线图对LVSI的预测效能。结果321个影像组学特征经LASSO回归筛选出13个影像组学特征并计算Rad-score。单因素和多因素logistic回归分析发现年龄、病理学分级以及Rad-score为LVSI的独立危险因素。联合LVSI危险因素构建的列线图在训练集和验证集中C-index分别为0.871(95%CI:0.803~0.940)和0.810(95%CI:0.698~0.917);影像组学模型在训练集和验证集中C-index分别为0.854(95%CI:0.784~0.925)和0.756(95%CI:0.619~0.892)。列线图和影像组学模型对LVSI均具有较高的预测效能,并且列线图高于影像组学模型。结论基于mpMRI影像组学列线图对EC的LVSI术前评估具有较高的诊断效能。展开更多
目的探讨酰胺质子转移加权成像(amide proton transfer weighted imaging,APTw)的影像组学术前预测宫颈癌淋巴血管间隙侵犯(lymphovascular space invasion,LVSI)的价值。材料与方法回顾性分析经手术病理证实的宫颈癌患者病例及影像资...目的探讨酰胺质子转移加权成像(amide proton transfer weighted imaging,APTw)的影像组学术前预测宫颈癌淋巴血管间隙侵犯(lymphovascular space invasion,LVSI)的价值。材料与方法回顾性分析经手术病理证实的宫颈癌患者病例及影像资料66例。所有患者均行盆腔3.0 T MRI检查,包括轴位T2WI、矢状位T2WI、动态对比增强磁共振成像(dynamic contrast enhanced magnetic resonance imaging,DCE-MRI)和3D-APTw序列扫描。在APTw-T2WI融合图像上对肿瘤实质区域进行感兴趣区(region of interest,ROI)勾画并记录APT值。在APT重建图像上进行肿瘤病灶分割并提取影像组学特征。采用组内相关系数(intra-class correlation coefficient,ICC)选取观察者内和观察者间复测信度好的影像组学特征(ICC>0.900)。采用递归特征消除法(recursive feature elimination,RFE)及最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法进行特征降维和筛选。基于logistic回归分类器构建临床模型、APTw影像组学模型和联合组学模型。采用受试者工作特征(receiver operating characteristic,ROC)曲线和决策曲线分析(decision curve analysis,DCA)评估模型的诊断效能和临床价值,采用DeLong检验比较不同模型的预测效能。结果在训练集中,APTw影像组学模型预测宫颈癌LVSI的效能高于临床模型(AUC=0.826 vs.0.675),差异有统计学意义(DeLong检验P<0.05)。联合组学模型在训练集和测试集中的AUC值分别为0.838和0.825。DeLong检验结果显示,联合组学模型在训练集中术前评估LVSI的效能显著高于临床模型和APTw影像组学模型(P均<0.05)。决策曲线显示APTw影像组学模型和联合组学模型在训练集和测试集中均具有较高的临床价值。结论基于APTw的影像组学模型在术前预测宫颈癌LVSI方面具有较高的潜力,联合临床因素能进一步提高预测效能,有望为宫颈癌患者的个体化治疗和预后评估提供重要的�展开更多
目的:探讨磁共振扩散加权成像(DWI)评估子宫内膜癌淋巴血管间隙侵犯(LVSI)的价值。方法:回顾性分析97例经病理证实的子宫内膜癌患者的临床及影像资料,测量其表观扩散系数(ADC)值。将97例患者分为LVSI(+)组31例与LVSI(-)组66例,比较两组...目的:探讨磁共振扩散加权成像(DWI)评估子宫内膜癌淋巴血管间隙侵犯(LVSI)的价值。方法:回顾性分析97例经病理证实的子宫内膜癌患者的临床及影像资料,测量其表观扩散系数(ADC)值。将97例患者分为LVSI(+)组31例与LVSI(-)组66例,比较两组患者最小ADC值(ADCmin)、平均ADC值(ADCmean)、最大ADC值(ADCmax)的差异,并绘制受试者工作特性(ROC)曲线评估各ADC值对子宫内膜癌LVSI的诊断价值。结果:两组患者的ADCmax值差异无统计学意义(P>0.05);LVSI(+)组与LVSI(-)组患者的ADCmin值分别为(0.82±0.12)×10^-3mm^2/s和(1.01±0.14)×10^-3mm^2/s,ADCmean值分别为(1.04±0.16)×10^-3mm^2/s和(1.17±0.14)×10-3 mm 2/s,差异均有统计学意义(P值均<0.001)。以ADCmin取0.90×10^-3mm^2/s作为最佳诊断阈值时,对应的曲线下面积、敏感度、特异度、诊断符合率分别为0.88、80.65%、83.33%、82.47%;以ADCmean取1.06×10^-3mm^2/s作为最佳诊断阈值时,对应的曲线下面积、敏感度、特异度、诊断符合率分别为0.76、77.42%、78.79%、72.35%。ADCmin对LVSI的诊断效能优于ADCmean(Z=2.71,P=0.007)。结论:ADC值对评估子宫内膜癌LVSI具有一定价值,其中ADCmin的诊断效能更优。展开更多
文摘宫颈癌23个国家女性首位发病肿瘤,淋巴血管间隙侵犯(Lymphovascular space invasion,LVSI)LVSI阳性患者的淋巴结转移率明显高于LVSI阴性患者,且LVSI阳性患者的盆腔淋巴结微转移发生率较高,2018年版的国际妇产科联合会(FIGO)癌症分期、诊断和治疗指南强调,LVSI阳性宫颈癌患者的治疗策略与LSVI阴性患者的治疗策略不同,存在LVSI的病例需进行额外的广泛切除和淋巴结切除术,以降低疾病复发的风险。因此,准确评估宫颈癌患者的LVSI状态对于患者的预后判断、制定有效治疗方案至关重要。MRI具有无创、高软组织分辨率及多参数成像等特点,在准确判断肿瘤的位置、大小、浸润深度和检测淋巴结转移方面具有优势.本文综述了近几年磁共振多模态对宫颈癌淋巴血管间隙侵犯的应用。
文摘目的分析多参数磁共振成像(magnetic resonance imaging,MRI)组学列线图模型治疗前预测子宫内膜样腺癌(endometrial endometrioid adenocarcinoma,EEA)淋巴血管间隙侵犯(lymphovascular space invasion,LVSI)的可行性及价值。方法于2020年10月至2022年1月在复旦大学附属妇产科医院前瞻性收集205例EEA临床及MRI资料,按6∶4随机分为训练集(n=123)和验证集(n=82)。分别在T2加权成像、扩散加权成像(表观扩散系数图)及动态增强MRI序列勾画全肿瘤体积感兴趣区提取肿瘤影像组学特征。在训练集中,采用单变量分析及多变量Logistic回归分析筛选LVSI的独立预测因子,建立临床预测模型;采用最小绝对收缩和选择算法(least absolute shrinkage and selection operator,LASSO)进行特征筛选并建立影像组学标签;采用临床独立预测因子与组学标签构建临床-MRI组学列线图模型,并在验证集中进行模型验证。使用受试者操作特征曲线下面积(area under the receiver operating characteristic curve,AUC)评估模型效能,临床决策曲线评估模型临床应用价值。结果205例EEA中,LVSI(-)144例,LVSI(+)61例。患者绝经状态、CA125及CA199为LVSI(+)的临床独立预测因子,三者联合组成的临床预测模型AUC为0.714(训练集)和0.731(验证集)。从多参数MRI图像中共提取的8240个影像组学特征中筛选出5个最佳特征构建MRI组学标签,AUC为0.860(训练集)和0.759(验证集)。临床-MRI组学列线图模型AUC为0.887(训练集)和0.807(验证集),优于单独的临床模型及组学模型,且在较大的阈值概率范围内临床-MRI组学列线图模型可获得更大的临床净收益。结论基于多参数MRI组学的列线图模型可在治疗前有效预测EEA的LVSI状态,为临床管理决策提供有价值的参考,提高患者的临床获益。
文摘目的探讨基于多参数MRI(multiparametric magnetic resonance imaging,mpMRI)影像组学列线图预测子宫内膜癌(endometrial cancer,EC)淋巴血管侵犯(lymphatic vascular space invasion,LVSI)的价值。材料与方法回顾性分析术前行盆腔mpMRI检查的202例经手术病理证实为EC患者的病例资料,并按7∶3随机分为训练集和验证集。运用开源的ITK-SNAP软件勾画兴趣区(region of interest,ROI),使用Pyradiomics软件从mpMRI影像图中提取EC影像组学特征。采用单因素分析临床基本资料和影像组学特征,通过最小绝对收缩和选择算法(least absolute shrinkage and selection operator,LASSO)回归筛选影像组学特征并计算影像组学分数(radiomics score,Rad-score),多因素logistic回归用于筛选LVSI独立危险因素,使用R语言建立模型并绘制列线图,模型的预测效能采用C指数(C-index)评价,比较影像组学模型和列线图对LVSI的预测效能。结果321个影像组学特征经LASSO回归筛选出13个影像组学特征并计算Rad-score。单因素和多因素logistic回归分析发现年龄、病理学分级以及Rad-score为LVSI的独立危险因素。联合LVSI危险因素构建的列线图在训练集和验证集中C-index分别为0.871(95%CI:0.803~0.940)和0.810(95%CI:0.698~0.917);影像组学模型在训练集和验证集中C-index分别为0.854(95%CI:0.784~0.925)和0.756(95%CI:0.619~0.892)。列线图和影像组学模型对LVSI均具有较高的预测效能,并且列线图高于影像组学模型。结论基于mpMRI影像组学列线图对EC的LVSI术前评估具有较高的诊断效能。
文摘目的探讨酰胺质子转移加权成像(amide proton transfer weighted imaging,APTw)的影像组学术前预测宫颈癌淋巴血管间隙侵犯(lymphovascular space invasion,LVSI)的价值。材料与方法回顾性分析经手术病理证实的宫颈癌患者病例及影像资料66例。所有患者均行盆腔3.0 T MRI检查,包括轴位T2WI、矢状位T2WI、动态对比增强磁共振成像(dynamic contrast enhanced magnetic resonance imaging,DCE-MRI)和3D-APTw序列扫描。在APTw-T2WI融合图像上对肿瘤实质区域进行感兴趣区(region of interest,ROI)勾画并记录APT值。在APT重建图像上进行肿瘤病灶分割并提取影像组学特征。采用组内相关系数(intra-class correlation coefficient,ICC)选取观察者内和观察者间复测信度好的影像组学特征(ICC>0.900)。采用递归特征消除法(recursive feature elimination,RFE)及最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法进行特征降维和筛选。基于logistic回归分类器构建临床模型、APTw影像组学模型和联合组学模型。采用受试者工作特征(receiver operating characteristic,ROC)曲线和决策曲线分析(decision curve analysis,DCA)评估模型的诊断效能和临床价值,采用DeLong检验比较不同模型的预测效能。结果在训练集中,APTw影像组学模型预测宫颈癌LVSI的效能高于临床模型(AUC=0.826 vs.0.675),差异有统计学意义(DeLong检验P<0.05)。联合组学模型在训练集和测试集中的AUC值分别为0.838和0.825。DeLong检验结果显示,联合组学模型在训练集中术前评估LVSI的效能显著高于临床模型和APTw影像组学模型(P均<0.05)。决策曲线显示APTw影像组学模型和联合组学模型在训练集和测试集中均具有较高的临床价值。结论基于APTw的影像组学模型在术前预测宫颈癌LVSI方面具有较高的潜力,联合临床因素能进一步提高预测效能,有望为宫颈癌患者的个体化治疗和预后评估提供重要的�
文摘目的:探讨磁共振扩散加权成像(DWI)评估子宫内膜癌淋巴血管间隙侵犯(LVSI)的价值。方法:回顾性分析97例经病理证实的子宫内膜癌患者的临床及影像资料,测量其表观扩散系数(ADC)值。将97例患者分为LVSI(+)组31例与LVSI(-)组66例,比较两组患者最小ADC值(ADCmin)、平均ADC值(ADCmean)、最大ADC值(ADCmax)的差异,并绘制受试者工作特性(ROC)曲线评估各ADC值对子宫内膜癌LVSI的诊断价值。结果:两组患者的ADCmax值差异无统计学意义(P>0.05);LVSI(+)组与LVSI(-)组患者的ADCmin值分别为(0.82±0.12)×10^-3mm^2/s和(1.01±0.14)×10^-3mm^2/s,ADCmean值分别为(1.04±0.16)×10^-3mm^2/s和(1.17±0.14)×10-3 mm 2/s,差异均有统计学意义(P值均<0.001)。以ADCmin取0.90×10^-3mm^2/s作为最佳诊断阈值时,对应的曲线下面积、敏感度、特异度、诊断符合率分别为0.88、80.65%、83.33%、82.47%;以ADCmean取1.06×10^-3mm^2/s作为最佳诊断阈值时,对应的曲线下面积、敏感度、特异度、诊断符合率分别为0.76、77.42%、78.79%、72.35%。ADCmin对LVSI的诊断效能优于ADCmean(Z=2.71,P=0.007)。结论:ADC值对评估子宫内膜癌LVSI具有一定价值,其中ADCmin的诊断效能更优。
